Lomb-Scargle周期图：振荡频率与周期之间的关系

Question

我的采样数据不均匀。采样在每1分钟或2分钟之间切换一次，这使我不得不求助于Lomb-Scargle周期图，而不是快速傅立叶变换（FFT）来显示主导周期。

我使用了astropy lomb-scargle。

function copyElementText(event) {
    var text = event.currentTarget.querySelector('.snippetcode').innerText;
    var elem = document.createElement("textarea");
    document.body.appendChild(elem);
    elem.value = text;
    elem.select();
    document.execCommand("copy");
    document.body.removeChild(elem);
    console.log('clicked');
}

对我的数据集进行Lomb-Scargle转换后，我得到以下图：

上部是转换后的数据，下部是原始数据。在转换后的数据图中，y值为负的点只是一个异常值（我的数据集在那个点存在问题）。

我还有其他三个数据集：

在# convert time to frequency t_delta = [(t[i + 1] - t[i]).total_seconds() for i in range(len(t) - 1)] t_sec = np.cumsum(t_delta) f = 1 / t_sec from astropy.stats import LombScargle frequency, power = LombScargle(t_sec, inj).autopower() 〜33秒和x=0.017〜66秒附近发生了一些事情，因为除了最后一个图以外，所有数据集中都出现了峰值。但是，即使在最后一个图中，您仍然可以在x=0.033和x=0.017中看到一个微小的局部峰值。

请注意，第一个图几乎是一条直线，但是最后一个图的振荡频率很高。

根据对我的四个Lomb-Scargle变换的观察，似乎振荡频率越高，在x=0.033和x=0.017附近峰的散布就越大。

我有三个问题：

1. 为什么两个峰在x=0.033和x=0.017附近对称？
2. 为什么每个x=0.033，x=0和x=0.017重复出现峰？
3. 为什么振荡频率高的数据集峰会分开？